文件大小：0.8M
摘要：蒙文字体转换在促进蒙文应用和推广、丰富中国文化多样性以及促进蒙古族地区经济繁荣方面具有关键作用；针对蒙文字体转换的效率和准确率低的问题，提出一种基于轻量化卷积神经网络(CNN)和FPGA硬件加速器的方法；即使用CNN进行手写蒙文识别，并结合字体转换库，通过识别结果和字体的映射关系实现了简单高效的蒙文字体转换；相比于其他方法，该方法结合了高效的CNN和FPGA硬件加速器的优势，既提高了转换效率，又满足了设备成本、功耗和便携性的需求；使用Xilinx公司的XC7Z020CLG400-2完成网络模型电路的设计和优化工作，在此基础上实现了手写蒙文字体转换系统，测试结果表明，手写体蒙文转换为目标字体的准确率为95.62%，转换时间为1.43 ms，功耗为0.341 W，加速器峰值吞吐量为6.64 Gops；研究成果对于促进蒙古族文化传承和经济发展具有重要意义。
文章目录
0 引言
1系统方案设计及实现
1.1字符识别系统的设计与实现
1.1.1 数据集图像处理与制作
1.1.2AlexNet模型结构改进与训练及数据处理
1.1.3基于FPGA卷积神经网络硬件加速器设计
1.1.4网络模型的FPGA部署
1.1.4.1卷积计算流程
1.1.4.2 运算结构选择
1.1.4.3 c电路仿真验证
1.1.4.4 网络模型FPGA电路仿真验证
1.2蒙文字体库建立
2结果与讨论
3结束语
